還記得固定電話(huà)和投幣式付費(fèi)電話(huà)的日子嗎?他們工作,，但他們有其局限性,。你去他們那里或多或少地得到你需要的東西。在過(guò)去的 30 年中,，機(jī)器狀態(tài)監(jiān)測(cè)也是如此,。

傳統(tǒng)上，要真正了解壓縮機(jī),、齒輪箱和泵的運(yùn)行情況,，我們必須前往工廠車(chē)間。我們的耳朵,，然后是探頭,，最后是采集振動(dòng)波形的數(shù)據(jù)收集器，以評(píng)估機(jī)器的狀況,。這個(gè)過(guò)程每月或一次或季度發(fā)生一次,，使用受培訓(xùn)和可用性的難以找到的勞動(dòng)力，通常在不安全的環(huán)境中,。

但公司希望每天了解其資產(chǎn)的健康狀況,。打個(gè)比方，我們不希望我們的汽車(chē)傳感器每月或每季度只提醒我們一次故障或服務(wù)要求,。幸運(yùn)的是,，新的無(wú)線(xiàn)傳感器可以?huà)仐壌蠖鄶?shù)手持?jǐn)?shù)據(jù)收集器，將工廠資源部署到比在機(jī)器之間行走收集振動(dòng)數(shù)據(jù)更重要的事情上,。

多年來(lái),，公司一直在使用 1-2 kHz 低分辨率無(wú)線(xiàn)振動(dòng)傳感器。當(dāng)機(jī)器似乎不同步時(shí),，他們基本上會(huì)舉手,。他們的警告通常來(lái)得太晚，并且總是需要分析師返回機(jī)器進(jìn)行故障排除,。最近,，開(kāi)發(fā)人員推出了分辨率更高的無(wú)線(xiàn)傳感器，但每個(gè)傳感器的成本為 1,000 美元。普通機(jī)器需要大約三個(gè)傳感器,，這太貴了。

然而,，最新的無(wú)線(xiàn)傳感器已經(jīng)發(fā)展到消除這些障礙,。

價(jià)格性能曲線(xiàn)現(xiàn)在已經(jīng)越過(guò)了 10 kHz 和 +-16g 動(dòng)態(tài)范圍規(guī)格的“黃金時(shí)段準(zhǔn)備就緒”線(xiàn)。為什么這些變化很重要?無(wú)線(xiàn)傳感器現(xiàn)在可以收集足夠的數(shù)據(jù)來(lái)準(zhǔn)確預(yù)測(cè)難以檢測(cè)的齒輪磨損,、早期軸承磨損和其他嚴(yán)重故障,。計(jì)算技術(shù)的進(jìn)步、復(fù)雜的人工智能和機(jī)器學(xué)習(xí)提供了更準(zhǔn)確的結(jié)果和一致的數(shù)據(jù),，大大減輕了分析振動(dòng)原因和影響的負(fù)擔(dān)?，F(xiàn)在，無(wú)線(xiàn)傳感器可以在機(jī)器出現(xiàn)故障之前提前幾天或幾個(gè)月提前通知我們,，而低分辨率傳感器無(wú)法做到這一點(diǎn),。

為了解決工廠環(huán)境中無(wú)線(xiàn)通信的持續(xù)挑戰(zhàn)，自我修復(fù)網(wǎng)狀網(wǎng)絡(luò)確保了可靠的連接性,。這些傳感器相互依賴(lài),，以找到向分析師提供信息的最有效途徑。與無(wú)線(xiàn)傳感器一樣,，網(wǎng)狀網(wǎng)絡(luò)的概念并不新鮮,。它們?cè)?1980 年代首次出現(xiàn)在軍事實(shí)驗(yàn)中，并在 1990 年代用于高端生產(chǎn)硬件,。如今,，谷歌的智能家居產(chǎn)品 Nest 是市場(chǎng)上最受歡迎的網(wǎng)狀網(wǎng)絡(luò)之一。但由于成本,、復(fù)雜性,、無(wú)線(xiàn)電頻譜稀缺以及早期實(shí)施中的其他限制，網(wǎng)狀網(wǎng)絡(luò)直到最近才在工業(yè)應(yīng)用中站穩(wěn)腳跟,。

當(dāng)然,，所有這些技術(shù)都很棒，但還需要一件事——可負(fù)擔(dān)性,。無(wú)線(xiàn)傳感器花費(fèi)數(shù)百美元而不是數(shù)千美元,。

人工智能是這一演變的關(guān)鍵。由于設(shè)備,、傳動(dòng)系統(tǒng)和操作模式很復(fù)雜,，故障原因很多，因此使用標(biāo)準(zhǔn)化機(jī)器學(xué)習(xí)并不適合監(jiān)控機(jī)器狀況,。系統(tǒng)根本沒(méi)有足夠的時(shí)間和機(jī)會(huì)來(lái)學(xué)習(xí)如何識(shí)別每個(gè)獨(dú)特資產(chǎn)的每個(gè)潛在故障,。相比之下，神經(jīng)網(wǎng)絡(luò)可以快速準(zhǔn)確地訓(xùn)練新機(jī)器，利用歷史數(shù)據(jù)存儲(chǔ)并建立基線(xiàn)以確保準(zhǔn)確的預(yù)測(cè)和處方,。一旦捕獲了這些基線(xiàn)和特征,，就可以應(yīng)用使用長(zhǎng)期規(guī)則的振動(dòng)分析方法。

這種由人工智能輔助的過(guò)程可以快速設(shè)置傳感器,，而無(wú)需漫長(zhǎng)且通常不充分的學(xué)習(xí)過(guò)程,。將此監(jiān)控與數(shù)十年來(lái)類(lèi)似機(jī)器的故障數(shù)據(jù)檔案相結(jié)合，我們就擁有了一個(gè)完整的自動(dòng)化無(wú)人檢測(cè)系統(tǒng),?？焖賹?shí)現(xiàn)狀態(tài)感知、故障檢測(cè),、優(yōu)先可行的維修建議,。

當(dāng)我們將無(wú)線(xiàn)硬件和連接方面的所有進(jìn)步與 AI 和大型機(jī)械數(shù)據(jù)庫(kù)相結(jié)合時(shí)，我們就有了游戲規(guī)則改變者：可靠,、準(zhǔn)確且經(jīng)濟(jì)實(shí)惠的工業(yè)機(jī)械故障檢測(cè)和故障預(yù)測(cè),。這正是你所需要的。

更多信息可以來(lái)這里獲取==>>電子技術(shù)應(yīng)用-AET<<